L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 141
Ti stai perdendo delle opportunità di trading:
- App di trading gratuite
- Oltre 8.000 segnali per il copy trading
- Notizie economiche per esplorare i mercati finanziari
Registrazione
Accedi
Accetti la politica del sito e le condizioni d’uso
Se non hai un account, registrati
Non so come farlo nel modo standard, ma così con la libreria:
Grazie mille!!! Conosci molto bene i pacchetti, mi è stato offerto di scrivere la classe format() da capo su un forum speciale sulla stessa domanda, e ho mostrato un esempio con ~ 300 righe di codice, ho già iniziato a pensare a stampelle di vario tipo, ed ecco una grande soluzione... grazie!
Un'altra domanda - ho tre dataframes con lunghezze leggermente diverse, perché le osservazioni sono state fatte in tempi diversi,
Come posso sincronizzarli per lasciare solo le osservazioni che sono in tutti e tre i fotogrammi e scartare quelle che si trovano solo in fotogrammi separati?
Un'altra domanda - ho tre dataframes con lunghezze leggermente diverse, perché le osservazioni sono state fatte in tempi diversi,
come possono essere sincronizzati nel tempo per lasciare solo le osservazioni che sono in tutti e tre i fotogrammi e scartare quelle che si verificano solo in fotogrammi separati
a testa alta sarebbe così:
a <- data.frame(c1 = c('a','b','c','d','e','f'), c2 = c(1,2,3,4,5,6))
b <- data.frame(c1 = c('a','b','c','d','e'), c2 = c(1,2,3,4,5))
c <- data.frame(c1 = c('b','c','d','e','f'), c2 = c(2,3,4,5,6))
a$concat <- do.call(paste0, a[1:2])
b$concat <- do.call(paste0, b[1:2])
c$concat <- do.call(paste0, c[1:2])
concat_vec <- append(unique(a$concat)
, c(unique(b$concat)
, unique(c$concat)))
concat_vec_tbl <- as.data.frame(table(concat_vec))
concat_vec_tbl <- concat_vec_tbl[concat_vec_tbl$Freq == 3, ]
a <- a[a$concat %in% concat_vec_tbl$concat_vec, ]
b <- b[b$concat %in% concat_vec_tbl$concat_vec, ]
c <- c[c$concat %in% concat_vec_tbl$concat_vec, ]
https://www.mql5.com/en/blogs/post/650079
In testa sarà così:
https://www.mql5.com/en/blogs/post/650079
Alexey!
Che persona interessante che sei!
Ho scritto qui un centinaio di volte che uso l'rf per migliorare le prestazioni del TS reale sugli indicatori, ma non hai risposto.
Inoltre, ho suggerito più volte che:
1. Prendete il vero TS.
2. Distinguiamo i problemi di TS e iniziamo a risolverli usando strumenti R
Nel mio caso citato ho usato rf per risolvere il problema del ritardo dell'indicatore, che di solito dà informazioni sulla barra 1 (-1), e rf dà informazioni una barra avanti. Per H4 sono 8 ore! Come risultato sono riuscito a diminuire considerevolmente il drawdown.
https://www.mql5.com/en/blogs/post/650079
L'idea di questo articolo è implementata in modo leggermente diverso nell'articolo https://www.mql5.com/ru/articles/1628.
Mi chiedo se tutti leggono gli articoli sull'apprendimento automatico su questo sito con un anno di ritardo (domanda retorica).
Buona fortuna
Alexei!
Che persona interessante che sei!
Ho scritto qui un centinaio di volte che uso l'rf per migliorare le prestazioni del TS reale sugli indicatori, e non hai risposto.
Inoltre, ho espresso più volte l'idea che:
1. Prendete il vero TS.
2. Distinguiamo i problemi di TS e iniziamo a risolverli usando strumenti R
Nel mio caso citato ho usato rf per risolvere il problema del ritardo dell'indicatore, che di solito dà informazioni sulla barra 1 (-1), e rf dà informazioni una barra avanti. Per H4 sono 8 ore! Come risultato sono riuscito a diminuire considerevolmente il drawdown.
Ho capito. È solo che senza specifiche è difficile valutare la profondità del pensiero. E c'erano delle foto in quell'articolo. Anche Perervenko sembra così. E ho letto anche il suo articolo.
Bene, ecco l'offesa...
Il mio scopo è quello di orientare la conversazione in una direzione pratica, non di offendere nessuno in alcun modo...
Finora abbiamo pezzi sparsi.
Il tuo approccio accademico.... Per me il valore dei vostri calcoli è indiscutibile, ma .... Ho espresso i miei dubbi sopra.
Sto seguendo da vicino il lavorodi Vladimir Perervenko, non ho mai visto alcuna prova che i modelli non vengono riqualificati. L'ultimo link. L'importanza delle variabili è determinata da un algoritmo ad albero. Ma gli alberi, a causa della convenienza dei valori di rumore disponibili, tendono ad usare questi predittori di rumore più spesso e come risultato il rumore salta fuori nella stima dell'importanza...
Quindi dobbiamo iniziare con algoritmi per rimuovere i predittori di rumore. Tutti gli altri passi senza questi non sono di alcuna utilità pratica, poiché tutte le stime dei modelli non possono essere estrapolate nel futuro.
Poi addestrare un modello in finestre, e la larghezza della finestra deve essere giustificata in qualche modo. Utilizzando poi il modello addestrato in una preselezione di predittori per la finestra di lavoro....
Qualcosa del genere.